confusion_matrix()的该加些什么参数呢

`confusion_matrix()`是一个混淆矩阵函数，用于评估分类模型的性能。它需要两个参数：实际标签和预测标签。

具体地说，参数如下：

`confusion_matrix(y_true, y_pred, labels=None, sample_weight=None, normalize=None)`

- `y_true`：实际标签；
- `y_pred`：预测标签；
- `labels`：类别列表。如果未指定，则返回所有类别的混淆矩阵；
- `sample_weight`：每个样本的权重；
- `normalize`：是否对混淆矩阵进行归一化。

其中，`y_true`和`y_pred`是必选参数，其余参数都是可选的。